基于MC算法的CT图像三维重建

医学图像三维重建利用二维医学图像序列重建出三维模型,为医生提供直观、全面、准确的病灶和正常组织信息.采用VTK库进行医学数据可视化,分析了VTK可视化工具包的机制,介绍了MC算法的机理与实现过程.基于MC算法,使用三维可视化工具包VTK结合VC 6.0对基于DICOM格式的CT图像序列进行三维重建,并给出了实验结果.重建结果表明,采用VTK进行医学图像三维重建可以帮助医生明确诊断和制定正确的手术方案.     

基于改进MC和MT算法的CT图像三维重建

MC算法是医学图像三维重建的一种主要技术。传统的MC算法在拓扑结构上存在面二义性和体二义性问题,使得生成的三维图像存在空洞。而MT算法是MC算法的变形,该算法不存在面二义性和体二义性,但计算量相比MC算法更大。本文结合两种算法的优点,对单个立方体先使用MC算法抽取等值面,若不存在二义性,则继续用MC算法处理;否则使用MT算法对该立方体进行处理,并且使用一定的方法消除其带来的剖分二义性。这样既避免了MC算法的二义性问题,又解决了MT算法计算量太大的问题,是一种折中的方案。     

基于腹部 CT 图像三维重建算法的实现

随着计算机辅助诊断技术的迅速发展,更多的算法和计算机技术在医学影像领域得到了非常广泛的应用,已经成为促进医疗水平提高的必不可少的方法。目前,CT技术由于自身的特点,在医学影像中仅能得到人体横断面的二维平面图像。而本文利用三维重建技术,进行腹部人体CT图像的重建,包括重建出矢状面和冠状面及三维立体结构,从而提供CT设备直接所得图像无法达到的信息,为进一步制定治疗计划提供依据。     

基于图像分割的医学图像三维重建算法

针对Marching Cubes（MC）算法存在的数据复杂、分割方法单一和三维网格存储量大的问题,提出了先将图像进行中值滤波处理,进行了图像分割及三维网格模型简化,并给出了相应算法。实验证明运用本算法,三维重建速度和显示效果均有提高。     

基于改进的匹配算法的岩石样本图像三维重建

为了提高岩石样本图像三维重建的准确率和重建效率,提出了基于改进的匹配算法的三维重建方法。该方法采用“回”字型分块思想,有效地提高了ORB算法中BRIEF特征描述符的学习效率,从而改善了ORB算法的匹配效果;再利用向量场一致（VFC）算法对改进的ORB算子所得的匹配对进行误匹配剔除。实验结果表明,该方法不仅能够保证岩石样本图像三维重建的精度,而且在速度上也具有较大提升。     

基于CT图像序列的膝关节三维重建

良好的手术操作对象的几何模型能提高虚拟手术系统的沉浸感,为了获得逼真的股骨、胫骨和髌骨的几何模型,论文对膝关节的CT图像进行分析,根据灰度直方图选取合适的阈值进行阈值分割,并结合区域生长做进一步的处理,最后进行三维重建。结果表明建立了更精确的几何模型。     

基于多幅图像序列的三维重建

基于多幅图像序列的三维重建技术, 以两幅图像的三维重建算法为基础, 采用由运动中恢复校准的结构方法, 在已知摄像机参数的情况下, 利用KLT特征点跟踪算法, 实现了多幅图像的三维重建, 并利用集束调整优化了重建结果.     

基于CT图像的颌面部模型三维重建方法

基于CT图像,选择颌面部组织(包括脸颊软组织)为对象,建立符合生理要求的口腔修复、软组织变形仿真模型。利用Amira软件,通过轮廓提取、公共轮廓线建立、模型光顺等操作,结合重建组织的医学特征,对颌面部不同组织分别进行三维重建。所建立的三维模型可真实再现颌面各组织的解剖形态,体现相邻组织紧密结合特性。     

基于MC算法的螺旋CT扫描数据的三维重建

在Marching Cubes(MC)算法的基础上，针对螺旋CT扫描数据的特点，提出一种改进的三维表面的快速绘制方法。通过使用体元描述表，并且对体元数据进行二值化处理，简化了数据，在绘制过程中，根据形体拓扑结构，优化了体元内部的等值面形成算法，提高了三维重建的速度和质量。     

用几何参数表实现快速三维重建CT图像

重建时间过长一直是影响三维直接重建在 CT(com puted tom ography)中广泛使用的主要原因之一 ,对于很少采用专用硬件的工业 CT,影响更为严重。用几何参数表方法替代 FDK(Feldkamp- Davis- Kress)算法可以避免由于周期函数的存在而产生的大量重复计算。预先计算出反投影的地址和权重 ,使得反投影的过程中只需从存储的几何参数表中查找。这使得计算量减少到微机可以接受的程度。预插值和最近邻插值的办法能避免大量的插值运算 ,分离变量能避免存储庞大的三维查找表。实验结果说明这些简化在实际系统中是令人满意的     

基于AUTOCAD的三维重构的一种算法

基于AUTOCAD，利用ADS开发系统，提出并实现了一种二维CAD图形的三维重构的有效算法。其基本思想是先将二维CAD图形进行分解，然后通过AME扫描运算及布尔集合运算构造出三维CAD模型。     

基于结构光和序列图像的三维重建方法

为解决在基于图像三维重建物体表面的过程中,对不同图像进行立体匹配的难题,提出了基于特征的立体匹配算法,建立了利用序列图像重建物体表面的系统。系统采用投影结构光给物体表面加上主动特征的方法,以快速精确地重建物体表面,并对Canny算法进行了改进,用于轮廓提取、细化和修正等操作,从而准确获取图像主动线索特征。该方法能快速获取物体表面的三维点云数据,并达到了较高的精度。     

医学体数据三维重建的体绘制加速算法研究

研究有效的体绘制加速算法.在抛雪球法的基础上,采用提取最近表面体素的方法实现加速.提出新的分割方法,以体素原有的灰度值作为颜色值的3个分量,将所有体素的不透明度设为0.9或1.0,结果表明,加速算法能满足显示要求且加速作用明显.该加速算法结合了表面绘制方法和体绘制方法的优点,但只适用于不透明物体的重建显示.     

用OpenGL实现CT图像三维重建系统的设计

在二维图像中提取三维信息研究的基础上,介绍了用OpenGL开发工具对人体CT图像进行三维重构,为CT图像从二维到三维的立体还原理显提供了一种高效率,高质量和高性能的解决方法,其效果十分显著,并研究了坐标转换,旋转及投影等功能实现的方法,为都助医生精确定位病变物体提供强了强有力的依据。     

利用GPU实现三维图像重建方法研究

利用CT进行三维重建需要高迭几十亿字节的数据,处理这样的海量数据对PC机或普通图形工作站的CPU来说都将是十分耗时的,重建速度仍是制约三维锥束CT应用的主要因素之一。图形处理器（Graphics Processing Unit,GPU）由于其所具有的超长流水线和高度并行化,不仅在图形处理领域得到广泛应用,而且被用来进行通用计算任务。由于计算机图形学中的投影过程和CT的数据生成本质是一致的,基于GPU进行CT重建是提高速度的有效途径,本文首先针对GPU的特点进行概述,之后着重介绍了在GPU上实现CT重建的原理和方法,同时分析了GPU能够实现加速的原因。     

一种基于图象序列的3D重构算法

提出一种基于图象序列的 3D重构算法。采用共轭梯度法迭代估计射影深度 ,通过矩阵分解方法实现射影重构。然后利用一个 4× 4非奇异矩阵 ,将射影重构变换为欧氏重构。实验结果表明此算法是行之有效的     

基于局部体积最大的轮廓线三维形体重构算法

提出一种以局部体积最大为约束条件的轮廓线拼接算法。该算法以上下轮廓线各顶点的每次连接都保证对整个形体体积作出最大贡献为条件,以相对应的两条轮廓线线段的叉积运算值为依据,判断将要连接的两条可能跨距哪条更靠近形体的外侧,取外侧线段为拼接线段,最终完成所有轮廓线的拼接。